做科研时，很多朋友都苦恼于每次和AI协作。都要反复解释研究背景、检索要求和论文规范，最终再强的模型也容易变成一个“临时助手”：这次会查文献，下次忘了核验引用；刚写完实验计划，换个对话又得从头讲起。
好马配好鞍，遇到这种情况，我们就需要去选择一款合适的科研Skill了。把科研方法、执行步骤和质量检查写成可复用的工作流程，让 AI 知道什么时候该搜索、什么时候该停下来核对。
本期按 2026 年 9 月 7 日 GitHub 仓库总 Star 数，整理当前关注度最高的十个科研 AI 项目。榜单只统计公开仓库的 Star 快照，简介和功能均以项目官方 README 为准；数字会继续变化，但这份名单可以先帮你建立一张清晰的地图。
排行榜总览
排名 | 项目名称 | ⭐ GitHub Stars |
🥇1 | academic-research-skills | 46,600 |
🥈2 | scientific-agent-skills | 42,375 |
🥉3 | Auto-claude-code-research-in-sleep | 14,901 |
4 | AI-Scientist |
14,425 |
5 | AutoResearchClaw | 14,043 |
6 | AI-Research-SKILLs | 12,400 |
7 | AI-Scientist-v2 | 7,028 |
8 | AgentLaboratory | 5,826 |
9 | AI-Researcher | 5,700 |
10 | claude-scholar | 5,293 |
项目介绍
| 01 academic-research-skills
★ Star 数：46,600
项目简介：academic-research-skills 是一套面向学术研究全流程的 Claude Code Skills。官方将其工作范围概括为 research、write、review、revise 和 finalize，覆盖深度研究、论文写作、同行评审、修订以及最终交付。
核心特点：项目将科研流程拆分为 Deep Research、Academic Paper、Academic Paper Reviewer 和 Academic Pipeline 等模块。包含多智能体深度研究、系统综述、学术写作、引用核验、多视角审稿和十阶段流程编排，并设置材料交接、主张核验与人工检查节点。
适用场景：适合研究生、教师和科研团队开展文献综述、论文结构规划、学术写作、投稿前审查、返修和审稿意见回复。
官方项目页面：
https://github.com/Imbad0202/academic-research-skills
| 02 scientific-agent-skills
★ Star 数：42,375
项目简介：scientific-agent-skills 是 K-Dense AI 开源的综合科学 Skill 库，目标是把通用 AI Agent 转换为能够调用专业科研方法和工具的“AI Scientist”。仓库提供 165 个经过整理的 Skills，并连接一百多个科学数据库。
核心特点：项目把专业 Python 工具、科学数据库和科研规范封装为可自动发现的 Skills，覆盖生物信息学、化学信息学、医学、药物发现、材料科学、地理空间分析、统计建模、科研绘图、文献综合和实验室自动化。
适用场景：适合需要调用专业科研软件、数据库或计算流程的研究人员，尤其适用于生物医药、化学、材料、物理、地理信息和数据科学研究。
官方项目页面：
https://github.com/K-Dense-AI/scientific-agent-skills
| 03 Auto-claude-code-research-in-sleep
★ Star 数：14,901
项目简介：Auto-claude-code-research-in-sleep 通常简称 ARIS，即 Auto-Research-In-Sleep。
项目使用轻量化 Markdown Skills 组织机器学习科研流程，可在 Claude Code、Codex、OpenClaw 等 Agent 环境中使用。
核心特点：仓库提供 82 个可组合 Skills，把文献与创新性检索、研究创意筛选、GPU 试验、跨模型审查、论文写作和持续研究记忆连接起来。
Research Wiki 保存论文、创意、实验和失败记录，引用部分还能借助 DBLP、Crossref 等来源进行核验。
适用场景：适合机器学习、人工智能和计算机科学方向的研究者进行选题发现、实验规划、代码实验、结果复核与 LaTeX 论文写作。
官方项目页面：
https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep
| 04 AI-Scientist
★ Star 数：14,425
项目简介：AI-Scientist 是 Sakana AI 开源的自动科学发现系统，官方将其功能描述为从想法生成、实验执行到论文撰写的完整流程。
核心特点：项目把大语言模型用于文献检索、代码实验、结果分析、论文生成和同行评审，并可接入 Semantic Scholar、OpenAlex 等学术来源。此外，还提供成本估算、模型配置、实验模板和自动审查说明，便于复现实验流程。
适用场景：适合机器学习研究者搭建自动化实验基线、批量验证研究想法，或研究 AI Scientist 类型的科研智能体。
官方项目页面：
https://github.com/SakanaAI/AI-Scientist
| 05 AutoResearchClaw
★ Star 数：14,043
项目简介：AutoResearchClaw 是一个从研究想法延伸到论文成稿的自主科研系统。
官方用“Chat an Idea. Get a Paper.”概括其使用方式，研究者输入方向后，系统会组织检索、实验和写作流程。
核心特点：项目提供全自动、质量门确认、检查点、逐步执行、共同研究和自定义等人工介入模式，并包含想法讨论、实验基线设计、领域实验 Agent、论文协作写作、主张核验和成本控制。不同研究领域可以调用相应的实验执行环境。
适用场景：适合测试自主科研系统、快速验证研究想法，或搭建从选题到实验与论文输出的研究原型。
官方项目页面：
https://github.com/aiming-lab/AutoResearchClaw
| 06 AI-Research-SKILLs
★ Star 数：12,400
项目简介：AI-Research-SKILLs 是 Orchestra Research 维护的 AI 研究和工程 Skills 库。官方将其定位为从研究创意到论文输出的综合能力集合，目前包含 98 个 Skills，分布在 23 个类别中。
核心特点：仓库同时提供文献调研、选题构思、自动研究和机器学习论文写作，也覆盖模型架构、微调、后训练、分布式训练、推理优化、评估、RAG、MLOps 与可观测性。各 Skill 可以按类别或单独安装。
适用场景：适合人工智能与机器学习研究者、算法工程师及研究团队，用于实验开发、模型训练评估、研究记录整理和会议论文写作。
官方项目页面：
https://github.com/Orchestra-Research/AI-Research-SKILLs
| 07 AI-Scientist-v2
★ Star 数：7,028
项目简介：AI-Scientist-v2 是 AI-Scientist 的新一代端到端科研系统。官方介绍明确覆盖假设生成、实验运行、数据分析和手稿写作，并用渐进式智能体树搜索组织研究过程。
核心特点：系统将研究任务拆为可并行探索的分支，智能体依据实验结果继续扩展或淘汰方向，最后汇总为论文手稿。项目还保留实验代码、配置与生成结果，方便检查每一步是否来自真实运行。
适用场景：
适合研究自动化科学发现、机器学习实验搜索和多分支研究规划，也可作为构建科研 Agent 的参考实现。
官方项目页面：
https://github.com/SakanaAI/AI-Scientist-v2
| 08 AgentLaboratory
★ Star 数：5,826
项目简介：Agent Laboratory 是一个端到端自主科研工作流。它将流程划分为文献综述、实验和报告撰写三个连续阶段，并支持从公开论文与代码资源开始构建研究项目。
核心特点：项目提供文献检索与总结、研究想法提出、实验代码生成和结果报告写作；生成的内容可使用 Python、LaTeX 等常见科研工具继续修改。流程允许研究者在关键节点检查和调整智能体产出。
适用场景：适合计算机科学研究者快速形成可运行的实验草案、整理文献证据并生成研究报告初稿。
官方项目页面：
https://github.com/SamuelSchmidgall/AgentLaboratory
| 09 AI-Researcher
★ Star 数：5,700
项目简介：AI-Researcher 是面向“从概念到发表”的自主科研系统。官方 README 明确列出文献综述、创意生成、算法设计与实现、验证、结果分析和手稿生成等环节。
核心特点：系统用多个专门智能体协作完成研究，支持搜索论文、提出可检验想法、编写和运行算法、反复验证与完善结果，最后生成论文手稿。项目同时提供本地运行和模型服务配置说明。
适用场景：适合需要把文献调研、算法实验和论文写作串成连续流程的 AI/ML 研究团队。
官方项目页面：
https://github.com/HKUDS/AI-Researcher
| 10 claude-scholar
★ Star 数：5,293
项目简介：claude-scholar 是面向学术研究和软件开发的半自动研究助手，可在 Claude Code、Codex CLI、Kimi Code CLI 和 OpenCode 等环境中使用。项目将研究工作划分为从选题到发表的七个阶段。
核心特点：科研模块覆盖研究构思、文献检索、Zotero 管理、论文精读、研究空白分析、结果分析、论文写作、引用核验、投稿前自审和审稿回复。项目还通过 Evidence Record、主张强度和 Claim Promotion Gate 管理证据。
适用场景：适合已经使用 Zotero、Obsidian 或命令行 Agent 的研究者搭建个人科研工作台，并持续处理资料、实验结果、论文与返修任务。
官方项目页面：
https://github.com/Galaxy-Dawn/claude-scholar
